인공지능 (Artificial lnterllgence)
인류를 멸망시키겠다는 인공지능 소피아/출처: insight
인공지능(A.I)은 이미 우리생활 속 깊이 스며들어있다. A.I는 'artificial intelligence'의 로 말그대로 만들어진 지능 즉, 생각하는 컴퓨터인 것 이다. 인공지능의 역사, 개발, 정의 등은 많은 매체에 자세히 설명이 되어있기 때문에 지금부터는 인공지능의 종류와 구성요소를 살펴보려고한다. 인공지능은 크게 Narrow A.I 와 General A.I 로 구분할 수 있다. 그럼 이제 인공지능의 종류부터 조사해보자.
General A.I
General A.I란 우리가 흔히 영화 속에서 볼 수 있는 인간과 똑같거나 혹은 더 뛰어난 인공지능이다. General A.I는 인간과 대화를 나눌 수도 있고, 게임을 할 수도 있고, 심지어는 넷플릭스의'마더'를 보면 부모의 역할까지 뭐든지 할 수 있는 인공지능이다.
Narrow A.I
Narrow A.I란 한가지 활동에 특화되어 작업을 수행하는 인공지능이다. 예를 들자면 2016년 알파고와 이세돌의 대국이 있다. 알파고는 구글 딥마인드에서 개발한 인공지능으로 자기 자신과의 자가대국을 통한 학습이 가능하다. 때문에 대국과정에서도 계속해서 업그레이드 되는 것이다. 이세돌(9단)에게 1패를 하고 난 후 알파고는 바둑계 정상에 서게 되었다. 이처럼 우리 주위의 인공지능은 모두 Narrow A.I들 이다.
머신러닝 (Machine Learing)
그렇다면 인공지능은 어떻게 스스로 학습할 수 있을까?
머신러닝은 대표적으로 'Supervised Learning' 과 'Unsupervised Learning' 으로 구분된다.
지도 학습(Supervised Learning)
정답을 알려주며 학습시키는 것
Supervised Learning 즉, 지도학습에는 크게 분류(classification) 와 회귀(regression)가 있다. 지도학습은 데이터에 레이블을 붙여 인공지능은 계속 트레이닝 시켜 값을 예측하게 한다.
1.분류(classification)
- 이진 분류
어떤 데이터에 대해 두 가지 중 하나로 분류할 수 있는 것.
ex)
Q: 이 글은 스팸이야?
A: 예 또는 아니오
- 다중 분류
어떤 데이터에 대해 여러 값 중 하나로 분류할 수 있는 것
ex)
Q: 이 동물은 뭐야?
A: 고양이 또는 사자 또는 강아지 등...
2.회귀(regression)
선형회귀 그래프
어떤 데이터들의 특징(feature)을 토대로 값을 예측하는 것.
결과 값은 실수 값을 가질 수 있다. (그 값들은 연속성을 갖는다. 그래프를 생각하면 됨)
ex)
Q: 어디 동네에 어떤 평수 아파트면 집 값이 어느정도야?
A: 어디 동네에 24평이면 얼마, 어디 동네에 32평이면 얼마, 어디 동네에 45평이면 얼마
비지도학습(Unsupervised Learning)
비슷한 데이터들을 군집화 하는 것
Unsupervised Learning은 대이터에 대한 레이블이 주어지지 않은 상태에서 컴퓨터를 학습시키는 방법론이다. 비비도 학습은 데이터의 숨겨진(Hidden) 특징(Feature)이나 구조를 발견하는데 사용된다.
클러스터링(clustering)
clustering 알고리즘
클러스터링(clustering)이란 데이터 형태로 학습을 진행하는 방법이다. 예를 들어, 위 그래프와 같이 데이터가 무작위로 분포되어 있을 때, 이 데이터를 비슷한 특성을 가진 세가지 부류로 묶는 알고리즘이다.
딥러닝(Deep Learning)
딥러닝은 머신러닝의 한 갈래로 인간의 뇌를 모방한 neural network(신경망)을 사용한다. 기존 머신러닝과 딥러닝의 차이점이 있다면, 머신러닝에서는 데이터를 추출하는데 사람이 개입해야 하지만 딥러닝은 데이터 자체에 중요한 특징들을 기계 스스로 학습하는 것 이다. 그래서 딥러닝을 end-to-end machine learning이라고 한다. 처음부터 끝까지 기계가 스스로 하기 때문에 사람의 개입으로써 오류를 줄일 수 있다.